深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 42799 篇文献，本页显示第 10541 - 10560 篇。
| 序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 10541 | 2025-11-27 |
Spectral-aware CNN with learnable biorthogonal units and depthwise convolutions for multi-class blood cell classification
2025-Dec, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103685
PMID:41277991
|
研究论文 | 提出一种用于多类血细胞分类的新型混合深度学习模型，结合了谱感知卷积神经网络、可学习谱双正交下采样单元和深度可分离卷积 | 使用小波启发的可学习谱双正交下采样单元替代传统池化层以改进特征保留，并集成深度可分离卷积减少参数数量和训练成本 | NA | 实现白血病和贫血等疾病的有效早期诊断，通过准确分类外周血细胞 | 外周血细胞图像 | 计算机视觉 | 白血病,贫血 | 深度学习 | CNN | 图像 | 17,092张图像，涵盖8个血细胞类别 | NA | 谱感知CNN,可学习谱双正交下采样单元,深度可分离卷积 | 准确率 | NA |
| 10542 | 2025-11-27 |
Tooth-level detection and mapping of dental pathologies on panoramic radiographs using YOLOv11 and RT-DETR
2025-Dec, MethodsX
IF:1.6Q2
DOI:10.1016/j.mex.2025.103696
PMID:41277983
|
研究论文 | 开发了一种在全景X光片上自动检测牙齿病理并进行牙齿级别定位的可重现方法 | 集成牙齿分割和病理检测两个深度学习阶段，将病理结果映射到具体牙齿 | NA | 开发AI辅助牙科诊断工具 | 牙齿和牙科病理 | 计算机视觉 | 牙科疾病 | 全景X光成像 | YOLOv11, RT-DETR | 图像 | 1,628张标注全景X光片和Tufts牙科数据库 | NA | YOLOv11, RT-DETR-x, YOLOv11x | mAP@50 | NA |
| 10543 | 2025-11-27 |
EEG entropy modulation as a biomarker of emotion regulation and resilience
2025-Dec, IBRO neuroscience reports
IF:2.0Q3
DOI:10.1016/j.ibneur.2025.10.013
PMID:41280140
|
综述 | 本文提出脑电图熵调制作为情绪调节和心理韧性的客观生物标志物 | 超越静态静息态分析，提出基于认知情绪任务中的熵动态调制作为更有效的生物标志物 | 目前仍处于理论验证阶段，需要更多实证研究验证其临床应用价值 | 开发基于脑电图熵调制的情绪调节和心理韧性客观评估方法 | 情绪调节机制、心理韧性神经基础 | 临床神经心理学 | 情绪失调、焦虑障碍 | 脑电图(EEG)、熵分析 | 机器学习、深度学习 | 脑电图信号 | NA | NA | NA | NA | NA |
| 10544 | 2025-11-27 |
The Platelet-Rich Plasma research ecosystem: From mechanistic insights to precision treatment in knee osteoarthritis
2025-Dec, Regenerative therapy
IF:3.4Q2
DOI:10.1016/j.reth.2025.10.017
PMID:41282491
|
综述 | 本文通过叙事性综述构建了富血小板血浆研究的生态系统，涵盖从机制生物学到精准医疗的全链条研究 | 提出PRP研究生态系统概念，整合多维度证据，强调中性粒细胞-巨噬细胞串扰等新机制，并提出精准治疗路线图 | 存在报告不一致、缺乏标准化分类系统、分层不足等限制因素 | 系统梳理PRP在膝骨关节炎领域的研究现状并推动其向精准再生疗法发展 | 富血小板血浆及其在膝骨关节炎治疗中的应用 | 数字病理 | 骨关节炎 | 深度学习质量控制、分类系统 | 深度学习 | 临床试验数据、生物学机制数据、系统评价数据 | NA | NA | NA | 脆弱性指数分析 | NA |
| 10545 | 2025-11-27 |
AI MAY SHOW COMPARABLE DIAGNOSTIC ACCURACY TO EXPERTS IN ORAL CANCER DETECTION, BUT EVIDENCE REMAINS LIMITED AND OF LOW CERTAINTY
2025-Dec, The journal of evidence-based dental practice
IF:4.1Q1
DOI:10.1016/j.jebdp.2025.102199
PMID:41290266
|
系统综述 | 本研究通过系统综述和网络荟萃分析比较深度学习在口腔癌诊断中的准确性 | 首次使用网络荟萃分析方法系统比较深度学习模型与专家在口腔癌诊断中的准确性 | 证据有限且确定性较低 | 评估深度学习在口腔癌诊断中的准确性并与专家诊断进行比较 | 口腔癌诊断 | 数字病理 | 口腔癌 | 深度学习 | 深度学习模型 | 医学图像 | NA | NA | NA | 诊断准确性 | NA |
| 10546 | 2025-11-27 |
Enhanced difference ghost shuffle U-Net: A hybrid Monte Carlo deep learning denoiser for boron neutron capture therapy dose calculation
2025-Dec, Medical physics
IF:3.2Q1
DOI:10.1002/mp.70100
PMID:41290395
|
研究论文 | 提出EDGS-UNet混合蒙特卡罗深度学习去噪框架，用于快速准确的硼中子俘获治疗剂量计算 | 结合增强差分幽灵卷积保持高频梯度、分层通道-空间-像素注意力机制自适应特征优化，以及物理组件特异性能量守恒损失函数 | 仅在胶质母细胞瘤数据集上进行验证，样本量有限 | 加速BNCT治疗计划系统中的蒙特卡罗剂量计算 | 硼中子俘获治疗的3D剂量分布 | 医学影像处理 | 胶质母细胞瘤 | 蒙特卡罗模拟, 深度学习 | CNN, U-Net | 3D剂量分布图像 | 56个训练病例/9个验证病例/11个测试病例 | NA | 3D U-Net, EDGS-UNet | 均方误差, 等剂量相似度, 平均绝对百分比误差, GTV相对偏差 | NA |
| 10547 | 2025-11-27 |
Artificial intelligence-enabled hydrogels: innovations and applications
2025-Nov-26, Journal of materials chemistry. B
DOI:10.1039/d5tb01944c
PMID:41165199
|
综述 | 本文综述了人工智能在水凝胶材料设计与性能优化中的创新方法及其在3D打印、环境检测和伤口愈合等领域的多场景应用 | 将人工智能技术（机器学习和深度学习）与传统水凝胶研究交叉融合，推动水凝胶向智能化和功能化方向发展 | AI驱动的水凝胶研究仍面临方法局限性和技术挑战 | 探讨人工智能在水凝胶材料研究中的创新应用和发展趋势 | 水凝胶材料及其在生物医学等领域的应用 | 材料科学,生物医学工程 | NA | 机器学习,深度学习 | NA | 材料性能数据,应用场景数据 | NA | NA | NA | NA | NA |
| 10548 | 2025-11-27 |
Recent Advances in Integrating Machine Learning with Omics Approaches in Food Science and Nutrition Research
2025-Nov-26, Journal of agricultural and food chemistry
IF:5.7Q1
DOI:10.1021/acs.jafc.5c08522
PMID:41229200
|
综述 | 探讨机器学习与多组学技术在食品科学与营养研究中的整合应用现状与前景 | 系统整合基因组学、转录组学、蛋白质组学、代谢组学等多组学数据与机器学习方法的协同应用 | 面临数据质量、模型可靠性和可解释性方面的挑战 | 推动机器学习与组学技术在食品加工、安全评估和营养干预中的预测模型开发 | 食品成分、微生物组及食品与人类健康的复杂关系 | 机器学习 | NA | 基因组学, 转录组学, 蛋白质组学, 代谢组学, 多组学整合 | 经典机器学习, 深度学习, 人工神经网络 | 多组学数据 | NA | NA | NA | NA | NA |
| 10549 | 2025-11-27 |
Physics-aware imaging AI for quantitative MASLD biomarker mapping: a systematic review of deep learning and radiomics across ultrasound, CT, and MRI
2025-Nov-26, Abdominal radiology (New York)
DOI:10.1007/s00261-025-05317-9
PMID:41291295
|
系统性综述 | 系统评估物理感知人工智能在MASLD定量生物标志物成像中的深度学习与影像组学应用 | 首次系统比较三种影像模态（超声、CT、MRI）在MASLD定量生物标志物映射中的物理感知AI技术 | 缺乏标准化纵向流程、多厂商数据协调不足、MASLD特异性纤维化验证不充分 | 评估医学影像AI在代谢相关脂肪肝病定量生物标志物映射中的应用现状 | MASLD/MASH患者的超声、CT和MRI影像数据 | 医学影像分析 | 代谢相关脂肪肝病 | 深度学习, 影像组学 | 深度学习模型 | 医学影像 | 33项研究（从842条记录中筛选） | NA | NA | 定量映射准确性, 外部验证效果 | NA |
| 10550 | 2025-11-27 |
[Artificial intelligence accelerates bridging the gap in intelligent surgery through medical-engineering-mathematical integration]
2025-Nov-26, Zhonghua wai ke za zhi [Chinese journal of surgery]
|
综述 | 探讨人工智能在推动医学-工程-数学融合以缩小智能外科差距中的关键作用 | 系统阐述AI技术（深度学习、计算机视觉、自然语言处理和多模态融合）在 bridging 医学-工程-数学融合差距中的核心驱动作用 | 主要基于肝胆胰外科案例和实践进行分析，未涵盖其他外科专科的验证 | 分析当前阻碍外科领域医学-工程-数学融合的关键障碍，并提出AI驱动的解决方案 | 外科手术领域的医学-工程-数学融合过程 | 计算机视觉,自然语言处理,机器学习 | 肝胆胰疾病 | 深度学习,计算机视觉,自然语言处理,多模态融合 | NA | 多模态医疗数据 | 基于国际案例研究和机构实践 | NA | NA | NA | NA |
| 10551 | 2025-11-27 |
[Advances in the treatment and prognosis of intrahepatic cholangiocarcinoma]
2025-Nov-26, Zhonghua wai ke za zhi [Chinese journal of surgery]
|
综述 | 本文综述肝内胆管癌的治疗进展与预后管理策略 | 系统整合人工智能放射组学与深度学习技术在诊断、预后评估及淋巴结转移预测中的创新应用 | 晚期肝内胆管癌的生存结局仍不理想 | 探讨肝内胆管癌的治疗策略与预后改善方法 | 肝内胆管癌（ICC）患者 | 数字病理 | 胆管癌 | 放射组学, 深度学习 | 深度学习模型 | 医学影像 | NA | NA | NA | 5年生存率 | NA |
| 10552 | 2025-11-27 |
Dose stratification-based convolutional neural networks for dose distribution prediction in radiotherapy
2025-Nov-25, Biomedical physics & engineering express
IF:1.3Q3
DOI:10.1088/2057-1976/ae183f
PMID:41151107
|
研究论文 | 提出基于剂量分层的卷积神经网络方法，用于提高放射治疗中剂量分布预测的精度 | 首次将剂量分层策略与分层预测机制相结合，通过四分量独立预测和同质性损失函数优化局部高梯度区域预测 | 目前仅在头颈癌病例和OpenKBP数据集上进行验证，需要扩展至其他癌症类型 | 提升放射治疗计划中剂量分布预测的准确性和临床适用性 | 头颈癌患者的放射治疗剂量分布 | 医学影像分析 | 头颈癌 | 放射治疗计划 | CNN | 医学影像数据 | OpenKBP数据集中的头颈癌病例 | NA | 卷积神经网络 | 剂量分布预测精度，同质性指数 | NA |
| 10553 | 2025-11-27 |
DART Predictor: A Multi-Label Attention Model for High-Throughput Screening of Chemicals with Developmental and Reproductive Toxicity (DART)
2025-Nov-25, Environmental science & technology
IF:10.8Q1
DOI:10.1021/acs.est.5c11641
PMID:41232073
|
研究论文 | 开发基于多标签注意力机制的深度学习模型DART Predictor，用于高通量筛选具有发育和生殖毒性的化学品 | 首次将暴露参数与分子描述符和生物测定活性特征整合，采用标签感知注意力机制预测六种DART结局 | 模型性能依赖于暴露参数的准确性，外部验证数据集规模有限 | 建立暴露信息增强的发育和生殖毒性化学品风险评估新方法 | 具有发育和生殖毒性的化学品 | 机器学习 | 发育和生殖毒性相关疾病 | 深度学习，高通量筛选 | 多标签注意力模型 | 分子描述符，生物测定活性特征，暴露参数 | 25,175条化学多样性记录 | NA | 标签感知注意力机制 | AUC, 召回率 | 云平台部署 |
| 10554 | 2025-11-27 |
Single-channel EEG-based sleep stage classification via hybrid data distillation
2025-Nov-25, Journal of neural engineering
IF:3.7Q2
DOI:10.1088/1741-2552/ae1f3c
PMID:41232135
|
研究论文 | 提出一种混合数据蒸馏方法，用于单通道脑电信号的睡眠分期分类 | 结合梯度匹配和分布匹配的混合数据蒸馏方法，通过将大型真实数据集蒸馏成小型隐私保护的合成数据集来降低计算负担和隐私风险 | 仅在三个公共数据集上验证，未在更广泛的数据集上测试 | 开发计算成本低且保护隐私的自动睡眠分期分类方法 | 单通道脑电信号数据 | 机器学习 | 睡眠障碍 | 脑电信号分析 | 深度学习模型 | 脑电信号时间序列数据 | 三个公共数据集 | NA | NA | NA | NA |
| 10555 | 2025-11-27 |
Deep Model Fusion: A Survey
2025-Nov-25, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3628666
PMID:41289107
|
综述 | 本文系统综述了深度模型融合这一新兴技术，通过整合多个深度学习模型的参数或预测结果来提升整体性能 | 首次对深度模型融合方法进行全面分类和系统总结，特别关注大规模深度学习模型融合面临的挑战 | 作为综述性文章，未提出新的融合方法，主要基于现有文献进行分析和总结 | 总结深度模型融合技术的最新进展，分析当前挑战并展望未来研究方向 | 深度学习模型融合方法，特别是大语言模型和基础模型 | 机器学习 | NA | NA | 深度学习模型,大语言模型,基础模型 | NA | NA | NA | NA | 准确率,鲁棒性 | NA |
| 10556 | 2025-11-27 |
A Dual-Generalization Low-Light Enhancement Framework for Capsule Endoscopy Image Restoration and Segmentation
2025-Nov-25, IEEE transactions on medical imaging
IF:8.9Q1
DOI:10.1109/TMI.2025.3636480
PMID:41289131
|
研究论文 | 提出一种双泛化低光增强框架，用于胶囊内窥镜图像恢复和分割 | 通过亮度级别泛化模块和细节分割泛化模块实现双重泛化能力，能同时处理不同亮度级别和细节程度的胶囊内窥镜图像 | NA | 提升胶囊内窥镜图像在低光条件下的恢复质量和分割精度 | 无线胶囊内窥镜(WCE)图像 | 计算机视觉 | 胃肠道疾病 | 深度学习 | CNN | 图像 | Kvasir-Capsule数据集和RLE数据集 | PyTorch | IGLFM, BLGM, WSGM | PSNR, SSIM, mIoU, Dice系数 | NA |
| 10557 | 2025-11-27 |
Multi-view field deep learning and data augmentation for heavy metals concentrations prediction in marine sediments based on visible and near-infrared spectroscopy
2025-Nov-24, Marine pollution bulletin
IF:5.3Q1
DOI:10.1016/j.marpolbul.2025.119037
PMID:41289856
|
研究论文 | 提出融合双重正则化Wasserstein生成对抗网络和多视场长短期记忆网络的方法，用于基于可见-近红外光谱预测海洋沉积物重金属浓度 | 首次将DR-WGAN-GP数据增强与MVF-LSTM多尺度建模相结合，解决海洋沉积物样本稀缺下的重金属浓度预测问题 | 样本数量有限可能影响模型泛化能力，方法仅在特定重金属（Cu和As）上验证 | 开发快速无损的海洋沉积物重金属污染监测方法 | 海洋沉积物中的铜（Cu）和砷（As）重金属浓度 | 机器学习 | NA | 可见-近红外光谱（Vis-NIR spectroscopy） | GAN, LSTM | 光谱数据 | 小规模海洋沉积物样本集 | NA | DR-WGAN-GP, MVF-LSTM | R, RMSE, RPD | NA |
| 10558 | 2025-11-27 |
Utilization of an automated machine learning approach for the detection of granular corneal dystrophy via slit lamp photographs
2025-Nov-22, BMC ophthalmology
IF:1.7Q3
DOI:10.1186/s12886-025-04324-0
PMID:41275196
|
研究论文 | 本研究应用自动化机器学习技术通过裂隙灯照片检测颗粒状角膜营养不良 | 首次将Google Vertex-AI自动化机器学习平台应用于罕见眼科疾病GCD的自动诊断 | 样本量较小(仅223张图像)，且排除了伴随其他角膜疾病的患者 | 开发基于自动化机器学习的颗粒状角膜营养不良自动诊断系统 | 颗粒状角膜营养不良患者的裂隙灯照片 | 计算机视觉 | 颗粒状角膜营养不良 | 裂隙灯摄影 | 深度学习 | 图像 | 223张裂隙灯照片(72张GCD, 151张非GCD) | Google Vertex-AI | AutoML | AUPRC, 灵敏度, 特异性, 阳性预测值, 准确率, F1分数 | Google Vertex-AI平台 |
| 10559 | 2025-11-27 |
Active Stacking-Deep Learning with Strategic Sampling for Small and Imbalanced Chemical Toxicity Prediction
2025-Nov-18, ACS omega
IF:3.7Q2
DOI:10.1021/acsomega.5c04016
PMID:41280803
|
研究论文 | 提出一种结合主动学习、堆叠集成学习和战略采样的深度学习框架，用于解决化学毒性预测中数据不平衡和有限数据的问题 | 首次将主动学习与堆叠集成学习结合，并集成CNN、BiLSTM和注意力机制，在数据不平衡情况下实现高效毒性预测 | 在不同测试比例下性能有所下降，虽然不确定性方法在严重类别不平衡下表现更稳定 | 提高化学毒性预测的准确性和数据效率，特别是针对干扰甲状腺的化学物质 | 针对甲状腺过氧化物酶的甲状腺干扰化学物质(TDCs) | 机器学习 | 甲状腺功能障碍 | 分子对接 | CNN, BiLSTM, 注意力机制 | 化学数据 | NA | NA | 卷积神经网络, 双向长短期记忆网络, 注意力机制 | MCC, AUROC, AUPRC | NA |
| 10560 | 2025-11-27 |
Artificial intelligence powered radiomics model for the assessment of colorectal tumor immune microenvironment
2025-Nov-15, World journal of gastrointestinal oncology
IF:2.5Q3
DOI:10.4251/wjgo.v17.i11.108576
PMID:41281478
|
研究论文 | 开发基于深度学习的放射组学模型，用于结直肠肿瘤免疫微环境的无创评估 | 首次结合术前CT影像和组织病理学图像开发深度学习模型预测结直肠癌免疫相关指标 | 研究样本量较小且来自单一医疗中心，缺乏明确的纳入/排除标准，未包含临床病理特征 | 建立无创评估结直肠肿瘤免疫微环境的方法 | 315例确诊结直肠癌患者 | 数字病理 | 结直肠癌 | CT影像学，组织病理学分析 | 深度学习模型 | CT图像，组织病理图像 | 315例结直肠癌患者 | NA | NA | ROC曲线，AUC，决策曲线分析 | NA |